继续请教问题:关于 Pytorch 的 Autograd

雷达

6 R& S* s$ d7 N1 O$ j
6 p' N" u8 q" W) l. a, W) }. s5 }为预防老年痴呆，时不时学点新东东玩一玩。
$ l  B! E7 ]* G* E) z# \9 KPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
% R5 k( V4 o/ O% x" aimport numpy as np
; R) Z, ~& k+ ?: z1 R2 ]import matplotlib.pyplot as plt
import random
* m3 J8 O) n/ U3 K% E; K
x = torch.tensor(np.arange(1,100,1))
5 Q' U0 F% B8 t* Ly = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

% b1 ~$ D. Y- W8 v8 h; \( g7 k& z  dw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
$ L+ \8 {% e- Gb = torch.tensor(0.,requires_grad=True)

epochs = 100

( r+ r, z* p% W' plosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
! @! M4 _- t5 W
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
7 `5 y4 y( a( h9 m5 k" v9 m+ U  
0 ?6 z5 [6 n/ l( f7 C  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
1 W, G3 p. a$ d8 }    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
5 \( K7 [/ n& i+ I. Z' a7 M  b.grad.zero_()
* G( s5 Q* l- L
print(w.item(),b.item()) #结果
# F% L' e4 H4 B  F8 i( p% I
! x. R& @: C6 W$ a- t6 T  x+ M( _Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
' w4 z8 a; ?0 l最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
高手们帮看看是神马原因？
: l4 P4 G( Q& O, R( |! z

老福

没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
$ i' `7 G- d: i-------
不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
& K0 B- m3 P3 ?6 r" ~-------
  U# R* {3 s: z* X2 I不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

4 a- U4 @+ ~" A

雷达 发表于 2023-2-14 21:52
  v: V: |9 q( K: E5 Q谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

% E4 I& N1 O+ T4 B" }
3 F3 J- F, a- Z8 ?( g$ b刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
- k7 h) [2 u7 Z, O6 ]! ?刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
& D# A  }; H: e+ j, [% Z, y- m
" _% F; W2 y# B  C# E+ {3 R3 a. p或者把b但的起点改为1试试。 ...

% z' I% k7 O- k9 J你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
& O6 Y! ^3 D+ v; x5 |2 t" Ry = (x*27+15).reshape(-1)
8 O9 Q1 F* q, W' y
循环次数加成10倍，就看到 b 收敛了
. }! S1 F& _& B; i# \w , b
6 u; y8 A8 V0 ~  {; w3 X( t27.002620697021484 14.826167106628418

和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。